基于改进的PSO-BP组合预测模型及应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 研究的主要内容和结构安排 | 第11-12页 |
| 1.4 本文的创新之处 | 第12-13页 |
| 第二章 本文相关理论基础 | 第13-25页 |
| 2.1 BP神经网络 | 第13-16页 |
| 2.2 遗传算法 | 第16-18页 |
| 2.3 粒子群算法 | 第18-19页 |
| 2.4 支持向量机（SVM） | 第19-21页 |
| 2.5 定量预测模型 | 第21-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 组合预测模型研究 | 第25-36页 |
| 3.1 改进的PSO-BP模型 | 第25-32页 |
| 3.2 组合预测模型 | 第32-34页 |
| 3.3 本章小结 | 第34-36页 |
| 第四章 组合预测模型在R&D投入预测中的应用 | 第36-50页 |
| 4.1 R&D相关知识 | 第36-39页 |
| 4.2 影响因子关联分析 | 第39-42页 |
| 4.3 模型建立 | 第42-45页 |
| 4.4 仿真对比 | 第45-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56页 |
